OpenAI представила GPT-5.6 Sol: новая флагманская модель с режимами max и ultra

Что представила OpenAI

OpenAI начала ограниченное предварительное тестирование нового семейства GPT-5.6. В него входят три модели:

По заявлению OpenAI, Terra показывает конкурентное с GPT-5.5 качество при вдвое меньшей цене, а Luna должна обеспечивать сильные возможности по минимальной стоимости внутри новой линейки.

На этапе preview модели доступны через API и Codex только отдельным доверенным партнёрам и организациям. Более широкий запуск в ChatGPT, Codex и API запланирован на ближайшие недели.

Что означают названия Sol, Terra и Luna

В GPT-5.6 OpenAI вводит новую систему названий. Число обозначает поколение модели, а Sol, Terra и Luna — устойчивые уровни возможностей, которые смогут обновляться в собственном темпе.

Такая схема должна упростить выбор между интеллектом, скоростью и стоимостью:

GPT-5.6 Sol — новая флагманская модель

OpenAI называет GPT-5.6 Sol своей наиболее сильной моделью на текущий момент. В предварительном анонсе компания делает акцент на улучшенных агентных возможностях в трёх направлениях:

Расширенный набор результатов тестирования OpenAI планирует опубликовать при широком запуске модели. Пока компания показала только часть оценок, поэтому заявления о лидерстве основаны на собственных тестах OpenAI и требуют дальнейшей независимой проверки.

Новый уровень рассуждений max

Для GPT-5.6 вводится новый уровень reasoning effort под названием max.

Он предназначен для задач, где Sol нужно предоставить больше времени и вычислительных ресурсов для глубокого анализа. Это продолжает подход OpenAI, при котором пользователь или разработчик может выбирать компромисс между скоростью ответа, стоимостью и глубиной рассуждений.

max должен быть полезен в задачах, требующих:

При этом увеличение reasoning effort обычно означает более высокие задержки и расход токенов.

Режим ultra использует субагентов

Вместе с max OpenAI представила режим ultra. Он должен выходить за пределы возможностей одного агента за счёт использования субагентов.

Вместо последовательной работы одной модели сложная задача может быть разделена между несколькими специализированными агентами. Например, один субагент анализирует код, другой запускает тесты, третий изучает документацию, а основной агент объединяет результаты.

По своей логике ultra ориентирован на задачи, в которых параллельная работа способна ускорить поиск решения или охватить больше вариантов. Однако в анонсе пока не раскрыты подробности архитектуры, лимитов субагентов и их влияния на итоговую стоимость.

Новый результат в Terminal-Bench 2.1

По данным OpenAI, GPT-5.6 Sol установила новый лучший результат в Terminal-Bench 2.1.

Этот бенчмарк проверяет не отдельное написание кода, а выполнение задач в командной строке, где модели необходимо:

Точное числовое значение результата на странице анонса не указано. OpenAI сообщает только о новом state of the art, поэтому полноценно сравнить модель с конкурентами по опубликованному материалу пока невозможно.

Улучшения в биологических задачах

OpenAI также заявляет об улучшениях в задачах биологии.

На GeneBench v1, который оценивает длинные процессы анализа в геномике и количественной биологии, GPT-5.6 Sol превзошла GPT-5.5, одновременно используя меньше токенов.

Это указывает на то, что развитие моделей идёт не только через увеличение итогового качества, но и через повышение эффективности сложных рассуждений. Однако OpenAI пока не публикует полную таблицу результатов, поэтому масштаб улучшения из анонса определить нельзя.

Самая сильная модель OpenAI для кибербезопасности

OpenAI называет GPT-5.6 Sol своей наиболее способной моделью для задач кибербезопасности.

Основной прогресс заявлен в длинных задачах, связанных с:

На ExploitBench модель показывает сопоставимый с Mythos Preview результат, используя примерно треть объёма выходных токенов. На ExploitGym все три модели GPT-5.6 улучшают показатели по мере увеличения глубины рассуждений.

При этом OpenAI подчёркивает, что Sol лучше помогает находить и исправлять уязвимости, чем автономно проводить полноценные атаки от начала до конца.

Модель не достигла уровня Cyber Critical

По собственной оценке OpenAI, GPT-5.6 Sol не пересекает порог Cyber Critical в рамках Preparedness Framework.

Во время тестирования на Chromium и Firefox модель находила ошибки и отдельные компоненты, необходимые для создания эксплойта, но не смогла автономно построить работоспособную полную цепочку эксплуатации в заданных условиях.

OpenAI отдельно предупреждает, что ни один бенчмарк не способен охватить все варианты применения модели, особенно при её объединении с внешними инструментами и другими агентами. По этой причине GPT-5.6 выпускается поэтапно и с усиленными ограничениями.

Почему запуск начинается с ограниченного preview

Перед анонсом OpenAI предоставила правительству США информацию о планах запуска и возможностях моделей. По просьбе государственных представителей компания сначала открывает доступ небольшой группе доверенных партнёров, состав которой был передан властям.

OpenAI прямо отмечает, что не считает такой процесс подходящим постоянным стандартом. По позиции компании, длительное предварительное согласование ограничивает доступ разработчиков, компаний, специалистов по защите и международных партнёров к сильным инструментам.

Текущий подход назван временным решением на период разработки более повторяемой процедуры выпуска мощных моделей в рамках обсуждаемого в США регулирования кибербезопасности.

Многоуровневая система защиты

GPT-5.6 запускается с наиболее развитой системой защитных механизмов OpenAI на текущий момент. Она включает несколько независимых уровней:

OpenAI считает, что одного механизма недостаточно против пользователей, которые способны менять тактику и адаптироваться к ограничениям.

Проверка ответа прямо во время генерации

Для кибербезопасности и биологии OpenAI использует классификаторы, которые анализируют ответ по мере его создания.

Если система обнаруживает потенциально опасный запрос, генерация может быть приостановлена. После этого более крупная reasoning-модель проверяет разговор и его контекст. Если ответ признаётся запрещённым, он не передаётся пользователю.

Из-за этого некоторые ответы во время preview могут:

OpenAI планирует использовать обратную связь от участников тестирования, чтобы уменьшить количество ложных блокировок перед широким запуском.

Проверка поведения на уровне аккаунта

Отдельные тревожные действия могут запускать проверку не только одного запроса, но и связанных разговоров и сигналов риска на уровне аккаунта.

Такой подход должен помочь отличать постоянное вредоносное поведение от легитимной dual-use работы. Одни и те же технические понятия могут использоваться как для защиты инфраструктуры, так и для атаки, поэтому одного сообщения часто недостаточно для корректной оценки намерения.

700 тысяч GPU-часов на автоматический red teaming

OpenAI заявляет, что выделила более 700 тысяч часов в пересчёте на GPU A100 для автоматизированного red teaming GPT-5.6.

Основной целью был поиск универсальных jailbreak-атак, которые работают не только на одном конкретном запросе, а сразу в разных сценариях и контекстах. Для поиска слабых мест компания использовала собственные модели.

Автоматические тесты дополнялись работой сторонних специалистов по безопасности. OpenAI отмечает, что человеческие эксперты способны находить творческие способы обхода защиты, которые автоматизированные системы могут не предусмотреть.

Цена GPT-5.6

Стоимость API рассчитывается за один миллион токенов:

OpenAI также меняет работу prompt caching. Появляются явные точки разрыва кэша и минимальный срок жизни кэша в 30 минут.

Запись данных в кэш для GPT-5.6 и последующих моделей тарифицируется по коэффициенту 1,25 от обычной стоимости входных токенов. Чтение из кэша сохраняет скидку 90%.

GPT-5.6 Sol запустят на Cerebras

В июле OpenAI планирует запустить GPT-5.6 Sol на инфраструктуре Cerebras со скоростью до 750 токенов в секунду.

Первоначально доступ получат только отдельные клиенты, после чего компания планирует постепенно увеличивать мощности.

Даже если заявленная скорость будет достигаться только в отдельных конфигурациях, такой показатель может быть важен для агентных задач, где один процесс требует большого количества последовательных обращений к модели.

Что пока неизвестно

Предварительный анонс не раскрывает несколько важных деталей:

OpenAI обещает опубликовать расширенные оценки при более широком выпуске GPT-5.6.

Почему GPT-5.6 важна

GPT-5.6 показывает сразу несколько направлений развития моделей OpenAI.

Первое — переход от одной универсальной модели к устойчивым уровням Sol, Terra и Luna, между которыми пользователь выбирает по качеству, скорости и цене.

Второе — усиление агентной работы. Режим ultra показывает, что сложные задачи всё чаще будут решаться не одним последовательным агентом, а группой взаимодействующих субагентов.

Третье — рост кибервозможностей заставляет усложнять не только модели, но и систему контроля вокруг них. Проверки во время генерации, анализ поведения аккаунта, разграничение доступа и автоматический red teaming становятся частью самой продуктовой архитектуры.

Наконец, запуск на Cerebras показывает, что конкуренция развивается не только вокруг качества моделей. Для длинных агентных задач скорость вывода становится отдельным преимуществом.

Итог

OpenAI начала ограниченное тестирование GPT-5.6 — семейства из флагманской Sol, сбалансированной Terra и доступной Luna.

Sol получила новый режим глубоких рассуждений max, а режим ultra использует субагентов для ускорения сложной работы. OpenAI заявляет о новом лучшем результате в Terminal-Bench 2.1, улучшениях в биологии и значительном росте возможностей кибербезопасности.

Одновременно компания усиливает защиту: проверяет ответы во время генерации, анализирует сигналы риска на уровне аккаунта и использует автоматический red teaming. Более широкий запуск в ChatGPT, Codex и API ожидается в ближайшие недели.